23199 पेपर
यह शोध पत्र MARS को प्रस्तुत करता है, जो एक मार्जिन-एडवर्सरियल स्टॉपिंग रूल (margin-adversarial stopping rule) है जो समानांतर LLM रीजनिंग ट्रेसेस को तब गतिशील रूप से रोकता है जब अग्रणी उत्तर सांख्यिकीय रूप से स्थिर रहने की गारंटी देता है, जिससे पूर्ण-बजट अनुमान (full-budget inference) की तुलना में सटीकता से समझौता किए बिना कम्प्यूटेशनल लागत में 25-47% की कमी आती है।
यह शोध पत्र PRISMR प्रस्तुत करता है, जो एक ऐसा ढांचा है जो क्षणिक इन-कॉन्टेक्स्ट प्रोसेसिंग को एक हल्के हाइपरनेटवर्क से बदलकर, जो इंस्टेंस-विशिष्ट एडेप्टरों को संश्लेषित करता है, जेनेरेटिव मल्टीमॉडल लिस्टवाइज रैंकिंग में "पार्ज़ कोलैप्स" विफलता मोड को संबोधित करता है, जिससे सूची संरचना का सुदृढ़ आंतरिककरण सक्षम होता है और विभिन्न डोमेन में रैंकिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
OpenMedQ एक अत्याधुनिक मेडिकल विजन-लैंग्वेज मॉडल है जिसे 3.35 मिलियन नमूनों के एक व्यापक, पूर्णतः-ओपन डेटासेट पर प्रीट्रेन किया गया है, जो प्रमुख बेंचमार्क पर Med-PaLM M जैसे काफी बड़े मॉडलों से बेहतर प्रदर्शन करता है और डाउनस्ट्रीम मेडिकल क्लासिफिकेशन कार्यों में भी श्रेष्ठ प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक एकीकृत गणितीय मंच प्रस्तुत करता है जो उपयोगकर्ताओं के लिए घर्षण को समाप्त करने के लिए पोस्टिंग इंटरफ़ेस में सीधे इमेज-टू-LATEX रूपांतरण को एकीकृत करता है और साथ ही एआई तर्क प्रणालियों के प्रशिक्षण और बेंचमार्किंग के लिए एक मूल्यवान, समुदाय-सत्यापित डेटासेट उत्पन्न करता है।
यह शोध पत्र टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स के लिए एक सुदृढ़, कुशल और एंटी-कोल्यूजन फिंगरप्रिंटिंग विधि प्रस्तावित करता है जो एक व्यक्तिगत सामान्यीकरण मॉड्यूल (पर्सनलाइज्ड नॉर्मलाइजेशन मॉड्यूल) में उपयोगकर्ता-विशिष्ट पहचानकर्ताओं को एम्बेड करता है, जिससे अनधिकृत पुनर्वितरण को रोकने के लिए कोल्यूडेड मॉडल्स की गुणवत्ता को कम करते हुए विश्वसनीय निष्कर्षण सक्षम होता है।
यह शोध पत्र STG को प्रस्तुत करता है, जो एक संरचित ढांचा (structured framework) है जो नियत टेस्टबेंच (deterministic testbenches) उत्पन्न करने के लिए हार्डवेयर डिज़ाइन की अंतर्निहित संरचना का लाभ उठाता है, जो गति, विश्वसनीयता और कवरेज में मौजूदा LLM-आधारित दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है और RTL वर्कफ़्लो में डेटा क्यूरेशन और टेस्ट-टाइम स्केलिंग के लिए एक कुशल उपकरण के रूप में कार्य करता है।
यह शोध पत्र एक स्केलेबल मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जो ऑक्लूजन (occlusion) की सीमाओं को दूर करने और कार्यस्थल सुरक्षा के लिए वास्तविक समय में, व्यक्तिगत एर्गोनोमिक पोज़ विश्लेषण को सक्षम करने के लिए वॉल्यूमेट्रिक 3D पॉइंट क्लाउड डेटा और उपयोगकर्ता-लेबल वाले प्रशिक्षण का लाभ उठाता है।
APCycl एक नवीन लक्ष्य-जागरूक (target-aware) ढांचा है जो चक्रीकरण पैटर्न (cyclization patterns) को स्पष्ट रूप से मॉडल करके और कई आवश्यक भौतिक-रासायनिक गुणों को एक साथ अनुकूलित करने के लिए बायेसियन पोस्टीरियर मार्गदर्शन (Bayesian posterior guidance) का लाभ उठाकर 'डी नोवो' (de novo) चक्रीय पेप्टाइड डिजाइन की चुनौतियों का समाधान करता है।
यह शोध पत्र यह प्रदर्शित करके मल्टी-एजेंट सिस्टम (MAS) की श्रेष्ठता में प्रचलित विश्वास को चुनौती देता है कि स्वचालित रूप से निर्मित MAS आर्किटेक्चर लगातार खराब प्रदर्शन करते हैं और सिंगल-एजेंट चेन-ऑफ-थॉट बेसलाइन की तुलना में काफी कम लागत-कुशल हैं, जो यह प्रकट करता है कि वर्तमान मूल्यांकन ढांचे महत्वपूर्ण आर्किटेक्चरल अक्षमताओं को छिपाते हैं और वास्तविक मल्टी-एजेंट लाभों को अनलॉक करने के लिए विशेषज्ञ-निर्मित प्रणालियाँ अभी भी आवश्यक हैं।
CausalMoE एक बिलियन-स्केल मल्टीमॉडल फाउंडेशन मॉडल है जो पारंपरिक "वन-साइज़-फिट्स-ऑल" दृष्टिकोणों की सीमाओं को दूर करने के लिए विषम विशेषज्ञों के पैटर्न-रूटेड मिश्रण और कॉज़ैलिटी-अवेयर सेल्फ-अटेंशन का लाभ उठाता है, जिससे टेक्स्टुअल और विजुअल प्रायर्स को एकीकृत करके बेहतर सामान्यीकरण और व्याख्यात्मकता के साथ स्टेट-ऑफ-द-आर्ट ग्रेंजर कॉज़ल डिस्कवरी प्राप्त होती है।